Объединение категориальных переменных в одну переменную в python 3 pandas

Я предлагаю перекодировать эти значения в целые числа, например.

recode = {"Strongly Positive": 2, "Weakly Positive": 1, "Neutral": 0, "Weakly Negative": -1, "Strongly Negative": -2}

Затем вы можете написать такую ​​функцию:

def interpret(values):
  if min(values) >= 0:
    return 1
  elif ...

и вызвать его с помощью df.apply(interpret, axis=1)

У вас есть 3 столбца, поэтому вы можете использовать

DF.apply(YourCustomFunction, axis=1)

Ось 1 сообщает, что вы хотите выполнить операцию над строками. Напишите свою пользовательскую логику в виде функции:

def MyFunction(x):
    if condition1:
        Do something
    elif condition2:
        Do something
    ........

Так проходит

DF['NewCol'] = DF.apply(MyFunction, axis=1)

Будет делать свое дело. Имейте в виду, что x, переданный функции, будет массивом, поэтому вы должны правильно адресовать его, индексируя в своей функции.

Вы можете замаскировать соответствующие элементы следующим образом:

# set index as ID:
df.set_index('ID', inplace=True)

has_pos = df.apply(lambda x: x.str.contains('Positive')).any(axis=1)
has_neg = df.apply(lambda x: x.str.contains('Negative')).any(axis=1)
has_both = has_pos & has_neg

# update
df['Agg_Col'] = 'Neutral'
df.loc[has_pos,'Agg_Col'] = 'Positive'
df.loc[has_neg,'Agg_Col'] = 'Negative'

df.loc[has_both,'Agg_Col'] = 'Both'

Интересное нестандартное решение

from numpy.core.defchararray import find

a = df.to_numpy().astype(str)
b = np.select([find(a, 'Pos') >= 0, find(a, 'Neg') >= 0], [1, -1], 0)

c = np.select(
    [(b == 0).all(1), (b >=0).all(1), (b <= 0).all(1)],
    ['Neutral', 'Positive', 'Negative'],
    'Both'
)

df.assign(Agg=c)

                 col1               col2               col3       Agg
ID                                                                   
1   Strongly Positive  Strongly Positive    Weekly Positive  Positive
2   Strongly Positive  Strongly Positive            Neutral  Positive
3   Strongly Negative  Strongly Negative    Weekly Negative  Negative
4     Weekly Negative  Strongly Negative            Neutral  Negative
5             Neutral            Neutral            Neutral   Neutral
6   Strongly Positive  Strongly Negative  Strongly Negative      Both
7   Strongly Negative    Weekly Positive            Neutral      Both
8             Neutral    Weekly Negative    Weekly Positive      Both

Немного другой взгляд

from numpy.core.defchararray import find

a = df.to_numpy().astype(str)
b = np.select([find(a, 'Pos') >= 0, find(a, 'Neg') >= 0], [1, -1], 0)

m = {
    (0, 0): 'Neutral', (1, -1): 'Both',
    (1, 1): 'Positive', (1, 0): 'Positive',
    (-1, -1): 'Negative', (0, -1): 'Negative',
}

df.assign(Agg=[*map(m.get, zip(b.max(1), b.min(1)))])

                 col1               col2               col3       Agg
ID                                                                   
1   Strongly Positive  Strongly Positive    Weekly Positive  Positive
2   Strongly Positive  Strongly Positive            Neutral  Positive
3   Strongly Negative  Strongly Negative    Weekly Negative  Negative
4     Weekly Negative  Strongly Negative            Neutral  Negative
5             Neutral            Neutral            Neutral   Neutral
6   Strongly Positive  Strongly Negative  Strongly Negative      Both
7   Strongly Negative    Weekly Positive            Neutral      Both
8             Neutral    Weekly Negative    Weekly Positive      Both